基于航迹点控制的无人机目标跟踪算法
无人机航迹规划算法设计与优化
无人机航迹规划算法设计与优化无人机航迹规划算法是无人机飞行控制中的重要组成部分，它决定了无人机的飞行路径和航迹规划，对于无人机的任务完成和飞行安全至关重要。
本文将介绍无人机航迹规划算法的设计与优化方法，以提高无人机的飞行效率和任务成功率。
一、无人机航迹规划算法设计1. 环境感知与路径选择无人机在飞行过程中需要实时感知周围环境，包括地形、建筑物、障碍物等信息。
根据感知结果，选择合适的航迹路径，避开障碍物，保证飞行安全。
常用的环境感知技术包括传感器、摄像头、激光雷达等，利用这些技术可以获取到周围环境的高精度信息，为航迹规划提供准确的输入数据。
2. 航迹生成与路径规划航迹生成是指根据任务需求和环境限制，生成一条合理的航迹路径。
常用的航迹生成方法有基于路径规划的方法和基于优化的方法。
路径规划方法通过将飞行区域划分为一系列离散的网格，通过搜索算法找到一条最优路径。
优化方法则通过数学模型和优化算法，将航迹规划问题转化为数学优化问题，找到最优的航迹路径。
3. 动态航迹跟踪无人机需要实时跟踪航迹，保持飞行稳定和精确性。
动态航迹跟踪算法将航迹规划与无人机姿态控制相结合，通过调整无人机的姿态和控制输入，使其跟踪目标航迹。
常用的动态航迹跟踪算法包括PID控制、模型预测控制等。
二、无人机航迹规划算法优化1. 多目标优化无人机的航迹规划涉及到多个目标，如最短路径、最低能耗、最小风险等。
优化算法需要综合考虑这些目标，并给出一个平衡的解。
常用的多目标优化算法有遗传算法、蚁群算法等，它们可以通过适应度函数、约束条件等方法，找到一系列满足多个目标的最优解。
2. 仿真与验证为了验证航迹规划算法的效果和正确性，可以利用仿真平台进行仿真和验证。
通过在仿真环境中模拟无人机的飞行过程，评估航迹规划算法的性能和稳定性。
仿真可以减少实际飞行过程中的风险和成本，并提供大量的数据和结果进行分析和优化。
3. 环境适应性无人机航迹规划算法需要适应不同的环境和任务需求。
无人机路径跟随算法-L1制导
无人机路径跟随算法-L1制导APM、PX4、PPZ的路径跟随算法主要基于下面的这篇文章，由MIT的Sanghyuk Park、John Deyst 和Jonathan P.How发表在AIAA的制导、导航和控制会议上。
翻译：tompsontanXFLR5气动分析：无人机气动分析交流群：20399169参考链接：https:///diydrones/ardupilot/pull/101https:///forum/#!msg/drones-discuss/9OogEIPuRy4/fW7Aenla750JA New Nonlinear Guidance Logic for Trajectory Tracking路径跟踪的一种新的非线性制导律本文介绍了一种新的非线性制导算法，且已验证了其在无人机沿曲线路径制导方面有更好性能。
该算法在沿直线路径跟踪时采用了PD 控制器，而沿曲线路径跟踪时加入了超前控制。
在横向加速度指令的计算中使用了惯性速度，并向由外部扰动（例如风）引起的速度变化加入了自适应能力。
使用两架小型无人机的测试，表明了沿圆周路径跟踪时每架飞机被控制在1.6m 以内的RMS （均方根误差）。
最后将该算法应用在两架飞机的空中交会，并将它们的距离拉近到12米之内，1.4m 的RMS 相对位置误差。
术语V 速度1L 连接飞行器位置和目标路径上参考点的线段从V 到1L 的角度（顺时针方向为正）cmds a 横向加速度指令，与飞行器速度方向垂直。
d 航迹误差R圆或圆弧的半径L 李雅普诺夫函数I.介绍在轨迹跟踪问题中考虑使用两种方法解决。
一种方法是将飞行器的制导和控制问题分开为外环的制导回路和内环的控制回路。
内环控制使飞行器跟随由外环产生的加速度指令。
外环制导回路中通常使用基于几何学和运动学特性的策略。
而另一种方法是使用集成的策略，内环和外环被设计为同时运行。
在这种情况下，可以应用一些现代的控制和设计技术，例如滚动时域控制[1]、微分平滑[2,3]以及基于神经网络的自适应控制[4]。
测绘无人机航迹规划算法及软件设计
测绘无人机航迹规划算法及软件设计随着技术的快速发展和应用领域的拓展，无人机已成为一个热点话题。
无人机可以实现空中观测、搜救、物流配送以及测绘等许多应用。
在测绘领域，无人机可以快速、高效地获取高分辨率数据，因此测绘无人机的研究引起了越来越多人的关注。
本文主要介绍测绘无人机航迹规划算法及软件设计。
一、航迹规划行为树是一种有效的动作规划与控制方法，由于它能与传统遗传算法相结合，能够提高搜索效率。
在本项目中，行为树被用来指导无人机进行航迹规划。
在行为树中，每个节点代表了一个具体的行为，而行为的执行顺序以及行为的参数需要经过一定的计算和控制才能被实现。
在无人机的航迹规划中，需要指定一些行为节点，例如飞行、航拍、制定路径等，用于实现测绘硬件的控制。
此外，将行为节点进行分类，设定一些常见的策略，例如高度控制、飞行速度控制等以便进行自适应的调整。
航迹规划的目标在于提高测绘的精度，避免出现缺漏、重叠等情况。
通过合理的设计，航迹规划不仅能够提高测绘的质量，还能够降低成本。
在行为树中，我们设置了"前进","返回","下一个目标"等行为节点。
其中，"前进"节点用于指导无人机沿着特定的路径前进；"返回"节点用于指导无人机返回原先的起飞点；"下一个目标"节点用于指导无人机前往下一个目标点进行测绘。
在实际操作中，我们采用了动态航迹规划算法来指导无人机的运动。
该算法可以根据当前无人机所处的环境和任务要求，动态地计算无人机的运动轨迹，以实现高效、快速的测绘和控制。
具体而言，我们采用A*算法来进行路径搜索和规划，同时，在运动过程中，也可以根据无人机所处的环境，重新调整无人机的运动轨迹，来适应新的任务要求。
二、软件设计测绘无人机的软件设计需要考虑多种因素，包括连接与控制数据的处理、航迹规划算法的实现等。
下面我们从这些方面进行一一介绍。
航迹融合算法原理
航迹融合算法原理引言：随着航空技术的发展，飞机航迹数据的处理和融合变得越来越重要。
航迹融合算法是一种将多个传感器的航迹数据进行整合和分析的方法，以提高航空交通管理系统的准确性和可靠性。
本文将介绍航迹融合算法的原理和应用。
一、航迹融合算法的基本原理航迹融合算法是通过将多个传感器的航迹数据进行整合，消除误差和不确定性，得到更准确的航空交通管理信息。
其基本原理包括以下几个方面：1. 数据预处理：将不同传感器的原始数据进行预处理，包括数据清洗、去噪、数据校正等，以确保数据的准确性和一致性。
2. 数据融合：将经过预处理的数据进行融合，得到整体的航迹数据。
融合方法可以采用加权平均、卡尔曼滤波等数学模型，将不同传感器的数据进行加权融合，得到更准确的结果。
3. 航迹关联：在融合过程中，需要将不同传感器的航迹数据进行关联，以确定它们是否来自于同一目标。
航迹关联可以根据目标的速度、方向、位置等特征进行匹配，从而确定目标的真实航迹。
4. 航迹更新：在融合过程中，需要不断更新航迹数据，以适应目标位置的变化。
更新过程可以根据目标的运动模型进行预测和修正，使得航迹数据更加准确和可靠。
二、航迹融合算法的应用航迹融合算法在航空交通管理系统中有着广泛的应用。
以下是几个典型的应用场景：1. 目标跟踪：航迹融合算法可以将多个传感器的目标跟踪数据进行整合，提供更准确的目标位置和运动状态信息。
这在航空交通管理和军事防御等领域都有着重要的应用。
2. 航空交通管理：航迹融合算法可以将多个航空器的航迹数据进行整合，提供更准确的航空器位置和航线信息。
这有助于提高航空交通的安全性和效率，减少航空事故的发生。
3. 航空器导航：航迹融合算法可以将多个导航传感器的数据进行整合，提供更准确的航空器位置和导航信息。
这对于飞行员进行导航和飞行控制非常重要，可以提高飞行的安全性和可靠性。
4. 空中交通管制：航迹融合算法可以将多个雷达系统的航迹数据进行整合，提供更准确的空中交通管制信息。
无人机目标跟踪与识别算法技术研究
无人机目标跟踪与识别算法技术研究无人机目标跟踪与识别算法技术研究是一门涉及计算机视觉和机器学习的领域，旨在通过智能化算法使无人机具备自主追踪与识别目标的能力。
这项技术的发展，为无人机的广泛应用提供了强大的支持和保障。
本文将从无人机目标跟踪算法、无人机目标识别算法以及未来发展方向三个方面展开探讨。
一、无人机目标跟踪算法无人机目标跟踪算法的主要目标是将无人机与目标物体进行关联，并实时追踪目标物体的位置和运动轨迹。
这需要依靠计算机视觉技术来提取特征并进行目标关联。
1. 特征提取：无人机目标跟踪通常涉及目标的运动、形状和纹理等特征。
目前常用的特征提取方法包括颜色直方图、局部二值模式（LBP）、方向梯度直方图（HOG）以及深度学习中的卷积神经网络（CNN）等。
2. 目标关联：目标关联可以分为基于单一帧和基于多帧的方法。
基于单一帧的目标关联主要依靠目标的外观特征进行关联，如外形、颜色等；而基于多帧的目标关联则基于目标的运动特征，通过预测目标在下一帧中的位置来进行关联。
二、无人机目标识别算法无人机目标识别算法的核心任务是将目标物体分类为不同的类别。
在无人机飞行任务中，目标物体的识别对于决策和执行具有重要意义。
1. 特征提取：与目标跟踪算法类似，无人机目标识别算法也需要提取目标的特征。
这些特征通常包括形状、颜色、纹理等。
近年来，深度学习技术的发展使得卷积神经网络成为目标识别的主要工具，通过训练深度学习网络，使其可以自动从图像中提取高级特征。
2. 分类器设计：识别算法的关键是设计合适的分类器。
常见的分类器包括支持向量机（SVM）、随机森林和深度学习中的卷积神经网络等。
这些分类器通过训练模型来学习不同类别之间的边界，从而进行准确的目标分类。
三、未来发展方向无人机目标跟踪与识别算法技术在日益发展的同时，仍然面临一些挑战和问题。
为了进一步提高无人机的自主能力和识别精度，需要从以下几个方面加以改进和研究：1. 多目标跟踪：目前大多数算法仅能追踪单个目标，而实际应用中会面临多目标同时出现的情况。
无人机导航系统中的地面目标跟踪技术研究
无人机导航系统中的地面目标跟踪技术研究无人机作为一种新兴的航空器，已经被广泛应用于各个领域，如军事侦查、物流配送、农业植保等。
在无人机的飞行过程中，地面目标跟踪技术的研究和应用变得越来越重要。
本文将探讨无人机导航系统中地面目标跟踪技术的研究进展，并介绍一些常用的跟踪方法和算法。
地面目标跟踪是指在无人机飞行过程中，通过摄像头或其他传感器获取到地面上的目标物，并对其进行实时追踪的过程。
这一技术的研究和应用对于无人机的自主导航、智能避障、目标检测等都具有重要意义。
在地面目标跟踪技术研究中，传感器的选择和设计起到了关键性作用。
传感器应具备高分辨率、高速度和高稳定性等特点，以保证在无人机高速飞行或复杂环境下，能够准确地获取和跟踪目标。
同时，传感器的权衡也是研究中需要考虑的因素，因为高分辨率往往伴随着高成本和大量的数据处理。
因此，在研究中需要根据具体应用场景和成本效益来选择合适的传感器。
地面目标跟踪技术的研究中，常用的方法有基于图像处理的视觉跟踪和基于雷达的跟踪。
基于图像处理的视觉跟踪利用无人机上的摄像头获取地面目标的图像，并通过图像处理算法来实现目标的跟踪。
这种方法的优点是简单且成本较低，而缺点在于对光照条件的依赖较大，并且对于目标的遮挡情况处理能力较弱。
基于雷达的跟踪则是利用雷达技术来获取地面目标的位置和运动信息，这种方法的优点是不受光照条件限制且能够实现长距离的目标跟踪，但雷达成像的分辨率相对较低，无法提供目标的详细特征信息。
在具体的跟踪算法中，常用的有卡尔曼滤波、粒子滤波和深度学习算法等。
卡尔曼滤波是一种用于估计系统状态的递归滤波器，通过对目标的观测和运动模型进行预测和修正，实现对目标的跟踪。
粒子滤波则是一种基于随机采样的滤波方法，通过对目标的状态进行随机采样并计算权重，来估计目标的位置和运动状态。
深度学习算法则是一种基于神经网络的跟踪方法，通过训练网络模型来实现对目标的跟踪。
这三种算法各有优缺点，研究人员可以根据具体应用场景和资源条件选择合适的算法。
一种基于多维航迹特征的目标轨迹聚类方法
一种基于多维航迹特征的目标轨迹聚类方法摘要在目标跟踪和分析中，如何快速高效地聚类目标轨迹是一个关键问题。
本文提出一种基于多维航迹特征的目标轨迹聚类方法。
该方法首先对目标航迹进行多维特征提取，并采用向量空间模型进行航迹相似度计算。
然后，采用层次聚类算法对相似度矩阵进行聚类，得到目标轨迹簇。
最后，通过评价标准和可视化效果验证本方法的有效性。
实验结果表明，该方法聚类效果良好，可应用于无人机、车辆等目标的轨迹分析和行为识别中。
关键词：目标跟踪；目标轨迹聚类；多维特征提取；层次聚类；评价标准引言目标跟踪和分析在无人机、车辆等领域中具有广泛应用。
其目的是通过对目标轨迹的跟踪和分析，掌握目标的运动规律和行为模式，为后续的任务决策和规划提供依据。
在目标跟踪和分析过程中，目标轨迹聚类是一个关键环节。
通过对轨迹进行聚类，可以将相同类型的目标归类到一个簇中，从而更好地掌握目标的运动规律和行为模式。
目前，目标轨迹聚类方法较多，常用的方法包括基于密度的聚类、基于模型的聚类和基于特征的聚类等。
其中，基于特征的聚类方法由于具有较好的可解释性和鲁棒性，在目标跟踪和分析中得到广泛应用。
然而，传统的特征提取方法大多基于欧氏距离，无法很好地处理轨迹数据的高维、非线性和噪声等问题。
因此，如何快速高效地提取轨迹的多维特征，是目标轨迹聚类方法中的一个关键问题。
本文提出一种基于多维航迹特征的目标轨迹聚类方法。
该方法首先对目标航迹进行多维特征提取，并采用向量空间模型进行航迹相似度计算。
然后，采用层次聚类算法对相似度矩阵进行聚类，得到目标轨迹簇。
最后，通过评价标准和可视化效果验证本方法的有效性。
多维特征提取传统的轨迹特征分析方法主要基于欧氏距离，如距离、速度和角度等。
然而，轨迹数据往往具有高维、非线性和噪音等问题，难以用传统的欧氏距离进行处理。
因此，本文提出了一种多维航迹特征提取方法。
首先，将每个目标的轨迹数据离散到一个网格中，得到一个多维特征向量。
无人机的航迹规划和控制
无人机的航迹规划和控制随着科技的不断进步，无人机已经成为人类生产生活领域中一项重要的智能设备。
它在军事、文化、遥感、救援、消防等领域都发挥了重要作用。
然而，无人机的高度自主、远距离、灵活多变、低成本等特点，也给其使用带来了挑战。
航迹规划和控制技术就是解决无人机操作中的关键问题之一。
航迹规划的基本概念是指无人机从起点到终点的预定的航迹路径规划，其目的是以最短路径、最快速度或其他目标来规划无人机飞行路线，增强其自主性能。
同时，在规划过程中，需要考虑无人机的各种约束因素，如避障、高度、地形、天气等。
这里推荐一个很经典的航迹规划算法-A*搜索算法，它是一种启发式算法，能够较快地找到离起点最近的航线。
规划好航线后，就要进行无人机航线控制。
该过程涉及到的数据和控制面板较多。
对于飞行器来说，它必须收集大量的传感器数据才能很好地制定任务计划并飞行。
例如，无人机的高度计和其它导航工具能够测定剩余的电力、飞行路径和高度等数据，从而及时采取行动。
通过海拔计测得的数据，可以探测到地形的变化并平稳地避免障碍。
在控制面板的维护下，无人机可以调整其飞行姿态、飞行速度和飞行高度，以更适应不同的环境要求。
航迹规划和控制技术公认为是影响无人机性能最重要的两个因素之一，因此，其应用价值也受到了世界各国的高度关注。
近年来，国内外科研人员开展了大量研究，涉及到无人机自主性、自适应控制算法、智能导航系统等方面。
值得一提的是，英国开发了一种“张开翼”系统，无人机可以像飞翔的鸟一样随意飞行，开拓出了全新的自主性领域。
但是在日常使用中，无人机遭遇风险或因不可预期的事故导致失速和崩溃的可能性依然存在。
特别是在航迹规划和控制途中，如果不及时调整航迹和控制参数，很有可能造成无人机无法正常飞行甚至直接失控。
因此，在对无人机进行飞行操作时，必须认真分析每一个可行的措施以确保其安全性。
综上所述，航迹规划和控制技术是无人机应用中不可缺少的环节。
它们的改进和成熟将会对无人机技术发展产生深远的影响，并助力无人机技术更好地服务于人类生产和生活。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｍｏ ｄ ｅ ｌ ｗ ａ ｓ ｂ ｕ ｉ ｌ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈｅ ｍｏ ｖ ｉ ｎ ｇ ｃ ａ ｐ ａ ｂ ｌ ｅ ｏ ｆ Ｕ ＡＶ ， ａ ｎ ｄ ａ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ — ｐ ｏ ｉ ｎ ｔ ｃ ｏ ｎ ｒ ｔ ｏ ｌ ａ ｌ ｇ ｏ ｒ ｉ ｈｍ ｔ ｗａ ｓ
２ ０ １ ３牟 第２ 期
文章编号 ： １ ０ ０ ９ — ２ ５ ５ ２ （ ２ ０ １ ３ ） ０ ２— ０ １ １ ３— ０ ４ 中 图分 类 号 ： Ｔ Ｐ ２ ７ ３ ； Ｖ ２ ４ ９ ． １ 文 献标 识 码 ： Ａ
基 于航迹 点控 制 的无 人 机 目标 跟踪 算 法
关键 词 ：固定翼 无人 机 ； 目标 跟 踪 ；航迹 点控制 法
Ｆｉ ｘ ｅ ｄ— ｗｉ ｎ ｇ ＵＡＶ ｔ ａ ｒ ｇ ｅ ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ
ｔ ｒ ａ ｃ ｉｎ ｋ ｇ － ｐ ｏ ｉ ｎ ｔ ｃ ｏ ｎ ｔ ｒ ｏ ｌ
０ 引 言
小型 固定翼 无人机具 有低空 低速 、 体积小 、 噪音 低等 特点 ＿ 】 Ｊ ， 搭 载 相 应 的 光 电探 测 设 备 后 ， 非 常适 合用 来进 行侦察 跟踪 、 贴 近探测 或干 扰 ， 目前各 国都
１ 基 于航迹 点控制的无人机 目标跟踪 算法
由于无人 机 的机 动特性 ， 无人机偏 好 于走直线 ， 转 弯时 使用 圆轨迹 ， 所 以， 本 文设计 的基 于航 迹点控 制 的算 法使无 人机 的运 动轨迹 始终在 圆与直 线之 间
李洪烈 ， 周洪 霞 ，薛先俊
（ １ ．海军航 空工程学 院青岛分院 ，山东 青岛 ２ ６ ６ ０ ４ １ ；２ ．海军 ９ ２ ７ ２ ４部 队，山东 青 岛 ２ ６ ６ ４１ ０ ）
摘
要 ： 由于运动 速度 的差异 性 ， 固定翼 无人 机 跟踪 机 动 目标 时 ，需要 规 划 特殊 的航 迹 才 能达
２ ． Ｔ ｈ ｅ ９ ２ ７ ２ ４ Ｔ ｒ ｏ ｏ ｐ ｓ ｏ ｆ Ｎ ａ ｖ ｙ Ｆ ｏ ｒ ｃ ｅ ， Ｑ ｉ ｎ ｇ ｄ ａ ｏ ２ ６ ６ ４１ ０ ， Ｓ ｈ ａ ｎ ｄ ｏ ｎ ｇ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｗｈ ｅ ｎ ｔ ｈ ｅ ｉ ｆ ｘ ｅ ｄ — ｗｉ ｎ ｇ ＵＡＶ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｍａ ｎｅ ｕ ｖ ｅ ｒ ｔ ａ ｒ ｇ ｅ ｔ ，ｂｅ ｃ ａ ｕ ｓ ｅ ｏ ｆ ｔ ｈ ｅ ｄ ｉ ｆｅ ｒ ｅ ｎ ｔ ｓ ｐ ｅ ｅ ｄ ｏ ｆ ｔ ｈｅ
切换 。
将使用无人机的侦察作战能力进行远程精确打击作 为现 代 战争 的有 效手段 Ｊ 。
航 迹 规划 主要包括静 态航 迹规划 和动态 航迹规 划两 个 方 面 Ｊ 。动 态 航 迹 规 划 是 在 飞 行 中进 行 的， 对 实 时性有很 高 的要求 ， 这种 可 以根 据在 线探测 到 的态 势变 化 ， 实 时或 近 实 时重 规 划任 务 目标 的能 力， 是 无人 机飞行 控制系统 所期 望的 。
ｔ ａ ｒ ｇ ｅ ｔ ａ ｎ ｄ Ｕ Ａ Ｖ， ａ ｓ ｐ ｅ ｃ ｉ ａ ｌ ｔ ｒ ａ ｊ ｅ ｃ ｔ ｏ ｒ ｙ ｓ ｈ ｏ ｕ ｌ ｄ ｂ ｅ ｐ ｍ ￣ａ ｍ ｍ ｅ ｄ ｔ ｏ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｇ ｏ ｏ ｄ ｒ ｔ ａ ｃ ｋ ｉ ｎ ｇ ｅ ｆ ｆ ｅ ｃ ｔ ．Ｔ ｈ ｅ ｓ ｙ ｓ ｔ ｅ ｍ
Ｌ Ｉ Ｈ ｏ ｎ ｇ — ｌ ｉ ｅ ， Ｚ ＨＯ Ｕ Ｈ ｏ ｎ ｇ — ｘ ｉ ａ ，Ｘ Ｕ Ｅ Ｘ ｉ ａ ｎ － ｊ ｕ ｎ
（ １ ． Ｑｉ ｎ ｇ ｄ ａ ｏ Ｂ ｒ ａ ｎ ｃ ｈ ｏ ｆ Ｎ ａ ｖ ａ ｌ Ａ ｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ Ｅ ｎ Ｓｎ ａｒ ｉ ｎ ｇ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｑｉ ｎ ｇ ｄ ａ ｏ ２ ６ ６ ０ ４ １ ， Ｓ ｈ ａ ｎ ｄ ｏ ｎ ｇ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ， Ｃ ｈ ｉ ｎ ａ ；
ｗｉ ｄ ｅ ｖ ａ ｒ ｉ ｅ ｔ ｙ ｏ ｆ ｓ ｐ ｏ ｒ ｔ ｓ ．
Ｋｃ ｙ ｗｏ ｒ ｄｓ：ｆ ｉｅ ｔ ｒａ ｔ ｃ ｋ ｉ ｎ ｇ；ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ － ｐ ｏ ｉ ｎ ｔ ｃ ｏ ｎ ｔ ｒ ｏ ｌ
到较 好 的跟 踪效果 。根 据 无人机 的 机动 特 性 对 系统进 行 了建模 ，设 计 了基 于航 迹 点控 制 的 固定
翼无人机 目标跟踪算法 ，并对该 算法的性 能进行 了仿真 ，仿真 结果表 明该算法 实时性强 ，当 目 标进行 各种 运动 时都能有 效保证 无人机 目标跟 踪的 可靠性 。